Ce travail de thèse s'articule autour la résolution des structures cristallines par diffraction des rayons X et neutrons sur poudres en utilisant les méthodes d'optimisation globale. Le premier sujet concerne les phénomènes d'ordre-désordre observés dans certains solides moléculaires organiques de type globulaire. Le deuxième est centré sur la famille des neuropeptides opiacés. Ces neurotransmetteurs régulent, au sein du système nerveux central, les fonctions sensitives telles que la douleur et la respiration. Le but de notre étude était de déterminer la structure cristalline de la Leu-enkephaline, sous sa forme complète ou fragmentée. Enfin, le troisième sujet d'étude est la localisation d'une molécule de benzène adsorbée sur des zéolithes X au sodium de structure déjà connue. Ce résultat a été obtenu par simulation et l'utilisation de cartes d'entropie maximale.

Ce mémoire est consacré à l'étude de deux nouvelles méthodes :<br />La méthode d'Adomian pour la résolution d'équations fonctionnelles non linéaires ; <br />La méthode d'optimisation globale Alienor pour la recherche de minimums absolus de fonctions de plusieurs variables.<br />Ces méthodes sont ensuite appliquées à la résolution des problèmes de biomathématiques liés au VIH/SIDA et au paludisme et de plus à la résolution des problèmes de recherche opérationnelle.<br />Pour la méthode décompositionnelle d'Adomian, un algorithme permettant de calculer exactement et rapidement les polynômes d'Adomian pour tous les types de non linéarité et quel que soit le nombre de variables intervenant dans l'équation fonctionnelle a été trouvé et cela à fait l'objet de publication dans la revue Kybernetes.<br />Pour l'optimisation globale utilisant la méthode Alienor, afin de réduire le temps de calcul et aussi le problème rencontré quant au calcul de lorsque le nombre de variable n est très grand (de l'ordre de 1000), une transformation réductrice -dense de la forme est proposé dans Balira KONFE and all ... Les suites et sont des suites lentement croissantes. La fonction univariable obtenue à partir de la transformation réductrice est multimodal d'où la nécessité de développer de nouvelles méthodes pour la résolution des problèmes d'optimisation dans R. La notion d'Optimization Preserving-Operator a été introduite au chapitre 9 et améliorée en O.P.O*. Cet O.P.O* permet d'éliminer les minima parasites et de converger rapidement vers l'optimum absolu.<br />Le couplage des deux méthodes ci-dessus citées pour la résolution des problèmes de contrôle optimal a donné des résultats numériques remarquables.<br />La méthode décompositionnelle d'Adomian permet de transformer les problèmes de contrôle optimal en un problème d'optimisation global qui sera ensuite résolue par la méthode Alienor.<br />En marge des problèmes de contrôle optimal en biomédecine, l'adaptation de la méthode Alienor aux problèmes d'optimisation rencontrés en recherche opérationnelle et plus particulièrement les problèmes d'optimisation en nombre entier, booléen et mixte a donné lieu à des publications dans la revue Kybernetes. Les courbes -denses permettent de générer tous les points entiers contenus dans un pavé donné de Rⁿ.<br />A long terme cette méthode permet de donner une solution à la conjecture que : NP est équivalent à P en recherche opérationnelle.

électriques associés à un moteur thermique. La première partie décrit les grandes familles d'architectures et le prototype réalisé au LAMIH au cours de travaux précédents. La deuxième partie est consacrée à l'étude d'algorithmes, appelés stratégies de commande, qui choisissent à chaque instant la répartition de puissance entre les deux chaînes de traction. Les approches envisagées reposent soit sur l'utilisation du formalise flou et mettent en oeuvre des règles de bon sens soit sur l'analyse plus fine des échanges énergétiques au sein du groupe motopropulseur. La répartition de puissance entre les différentes motorisations est ensuite écrite sous la forme d'un problème d'optimisation globale sous contraintes. Plusieurs algorithmes basés sur la théorie de la commande optimale sont alors proposés. L'objectif est de rechercher, en simulation, la séquence de commandes qui minimise de la consommation de carburant. Dans la dernière partie, les résultats des algorithmes d'optimisation globale sont utilisés, dans un premier temps pour proposer deux nouvelles stratégies de commande temps réel. Ensuite, une étude basée sur des critères permettant de caractériser les cycles de vitesses et les performances des stratégies de commande a notamment permis de valider les stratégies proposées. Enfin, l'utilisation des algorithmes d'optimisation globale comme outil d'aide au dimensionnement et aux choix d'architecture est illustré dans la dernière partie.

Reproduction de : Thèse de doctorat : Génie électrique : Toulouse, INPT : 2007. / Titre provenant de l'écran-titre. Bibliogr. 104 réf.

Cette thèse intitulée " Une approche exacte de résolution de problèmes de pooling appliquée à la fabrication d'aliments ", porte sur la résolution (par des méthodes exactes d'optimisation) de problèmes industriels liés à la fabrication d'aliments. Ces problèmes industriels traitent de l'aide à la décision pour la fabrication d'aliments pour des animaux et se rapprochent de problèmes biens connus de la littérature scientifique, à savoir les problèmes de pooling. La méthode présentée dans cet exposé permet de résoudre les problèmes d'optimisation bilinéaires issus de cette problématique industrielle. Elle est basée un branch-and-bound résolvant des linéarisations. Une approche lagrangienne a aussi été explorée et testée pour calculer des bornes inférieures.

L’«Efficient Global Optimization» (EGO) est une méthode de référence pour l’optimisation globale de fonctions «boites noires» coûteuses. Elle peut cependant rencontrer quelques difficultés, comme le mauvais conditionnement des matrices de covariance des processus Gaussiens (GP) qu’elle utilise, ou encore la lenteur de sa convergence vers l’optimum global. De plus, le choix des paramètres du GP, crucial car il contrôle la famille des fonctions d’approximation utilisées, mériterait une étude plus poussée que celle qui en a été faite jusqu’à présent. Enfin, on peut se demander si l’évaluation classique des paramètres du GP est la plus appropriée à des fins d’optimisation. \\Ce travail est consacré à l'analyse et au traitement des différentes questions soulevées ci-dessus.La première partie de cette thèse contribue à une meilleure compréhension théorique et pratique de l’impact des stratégies de régularisation des processus Gaussiens, développe une nouvelle technique de régularisation, et propose des règles pratiques. Une seconde partie présente un nouvel algorithme combinant EGO et CMA-ES (ce dernier étant un algorithme d’optimisation globale et convergeant). Le nouvel algorithme, nommé EGO-CMA, utilise EGO pour une exploration initiale, puis CMA-ES pour une convergence finale. EGO-CMA améliore les performances des deux algorithmes pris séparément. Dans une troisième partie, l’effet des paramètres du processus Gaussien sur les performances de EGO est soigneusement analysé. Finalement, un nouvel algorithme EGO auto-adaptatif est présenté, dans une nouvelle approche où ces paramètres sont estimés à partir de leur influence sur l’efficacité de l’optimisation elle-même. / The Efficient Global Optimization (EGO) is regarded as the state-of-the-art algorithm for global optimization of costly black-box functions. Nevertheless, the method has some difficulties such as the ill-conditioning of the GP covariance matrix and the slow convergence to the global optimum. The choice of the parameters of the GP is critical as it controls the functional family of surrogates used by EGO. The effect of different parameters on the performance of EGO needs further investigation. Finally, it is not clear that the way the GP is learned from data points in EGO is the most appropriate in the context of optimization. This work deals with the analysis and the treatment of these different issues. Firstly, this dissertation contributes to a better theoretical and practical understanding of the impact of regularization strategies on GPs and presents a new regularization approach based on distribution-wise GP. Moreover, practical guidelines for choosing a regularization strategy in GP regression are given. Secondly, a new optimization algorithm is introduced that combines EGO and CMA-ES which is a global but converging search. The new algorithm, called EGO-CMA, uses EGO for early exploration and then CMA-ES for final convergence. EGO-CMA improves the performance of both EGO and CMA-ES. Thirdly, the effect of GP parameters on the EGO performance is carefully analyzed. This analysis allows a deeper understanding of the influence of these parameters on the EGO iterates. Finally, a new self-adaptive EGO is presented. With the self-adaptive EGO, we introduce a novel approach for learning parameters directly from their contribution to the optimization.

Cette thèse intitulée « Une approche exacte de résolution de problèmes de pooling appliquée à la fabrication d’aliments », porte sur la résolution (par des méthodes exactes d’optimisation) de problèmes industriels liés à la fabrication d’aliments. Ces problèmes industriels traitent de l’aide à la décision pour la fabrication d’aliments pour des animaux et se rapprochent de problèmes biens connus de la littérature scientifique, à savoir les problèmes de pooling. La méthode présentée dans cet exposé permet de résoudre les problèmes d’optimisation bilinéaires issus de cette problématique industrielle. Elle est basée un branch-and-bound résolvant des linéarisations. Une approche lagrangienne a aussi été explorée et testée pour calculer des bornes inférieures. / « A global approach to solve pooling problem applied to feed mix industry » deals with the resolution of non linear non convex optimization problem which can occur in the feed mix industry. Feed mix industry problems are close to pooling problem, well-known in the literature. They are aimed to help decision maker in formulating feed, ie. To decide how to blend raw material to make a product satisfying nutrient and production constraints. The brand-and-bound algorithm presented in this these is aimed to solved large-scaled bilinear problems with bilinear constraints. A lagrangian approach has also been developed to obtain valid lower bound.

La pile à combustible (PAC) produit de l'énergie électrique à partir d'hydrogène et d'oxygène sans rejets de polluants. Son utilisation dans le secteur automobile est donc envisagée à long terme pour répondre au problème de mobilité durable. Dans un véhicule hybride à PAC, la motorisation électrique est alimentée par une pile à combustible assistée par une source secondaire d'énergie (SSE). Cette source secondaire d'énergie est composée soit de batteries, soit de supercondensateurs. L'architecture hybride obtenue offre un degré de liberté dans la gestion des flux énergétiques et dans le dimensionnement du groupe motopropulseur. La répartition de puissance optimale entre la PAC et la SSE est obtenue grâce à des algorithmes d'optimisation globale qui minimisent la consommation d'hydrogène pour un parcours routier connu a priori. Les résultats obtenus avec ces algorithmes servent d'expertise et de référence de consommation mais sont inapplicables en temps réel. Ici, une stratégie de commande temps réel, nécessairement sous-optimale, a été construite à partir l'algorithme de commande optimale. La consommation d'hydrogène est également influencée par le dimensionnement de la PAC et de la SSE. Celui-ci doit garantir un confort de conduite acceptable (vitesses, accélérations) sans pénaliser les performances énergétiques du véhicule ; un outil d'aide au dimensionnement est nécessaire et proposé dans ce mémoire. Enfin, les approches théoriques développées dans cette thèse sont illustrées par des mises en applications sur des exemples concrets (prototype PAC-Car II, prototype Hy-Muve, banc d'essai).

La conception des produits techniques requiert la participation de plusieurs experts de disciplines différentes et des compétences complémentaires. Le dimensionnement représente une phase importante de l'activité de conception en génie électrique. Il consiste à optimiser les caractéristiques géométriques et techniques du produit en fonction des contraintes définies dans le cahier des charges. La construction collaborative à distance d'un compromis acceptable par tous est une activité complexe qui nécessite la mise en place d'un processus de d'échange, d'argumentation et de négociation inter-métier. Dans le but d'assister les concepteurs durant cette activité complexe, nous proposons dans ce mémoire un environnement d'aide au dimensionnement collaboratif à distance : CoSTo (Collaborative Specification Tool). Il s'agit du résultat d'une démarche originale dans le domaine du génie électrique qui consiste à analyser les besoins des concepteurs dans des situations réelles de coconception. CoSTo apporte par ses différentes fonctionnalités et la démarche d'optimisation globale qu'il instrumente une aide pour gérer et intégrer les interdépendances inter-métier

La planification automatique est un domaine de recherche de l’Intelligence Artificielle qui vise à calculer automatiquement une séquence d’actions menant d’un état initial donné à un but souhaité. Cependant, résoudre des problèmes réalistes est généralement difficile car trouver un chemin solution peut demander d’explorer un nombre d’états croissant exponentiellement avec le nombre de variables. Pour faire face à cette explosion combinatoire, les algorithmes performants ont recours aux heuristiques ou à des solutions hiérarchiques, décomposant le problème en sous-problèmes plus petits et plus simples. Dans une grande majorité des cas, le planificateur doit prendre en compte un certain nombre de contraintes telles que des phases d’actions prédéfinies ou des protocoles. Ces contraintes aident à résoudre le problème en élaguant un grand nombre de branches de l’arbre de recherche. Nous proposons alors une nouvelle méthode pour modéliser et résoudre des problèmes de planification déterministe en se basant sur une approche hiérarchique et heuristique. Nous nous sommes inspirés des formalismes de programmation structurée afin de fournir à l’utilisateur un cadre de travail plus intuitif pour la modélisation des domaines de planification hiérarchique. D’autre part, nous avons proposé un algorithme de planification capable d’exploiter ce formalisme et composer des stratégies à différents niveaux de granularité, ce qui lui permet de planifier rapidement une stratégie globale, tout en étant en mesure de pallier aux difficultés rencontrées à plus bas niveau. Cet algorithme a fait ses preuves face au principal planificateur HTN, SHOP2, sur des problèmes de planification classique. / Automated planning is a field of Artificial Intelligence which aims at automatically computing a sequence of actions that lead to some goals from a given initial state. However, solving realistic problems is challenging because finding a solution path may require to explore an exponential number of states with regard to the number of state variables. To cope with this combinatorial explosion, efficient algorithms use heuristics, which guide the search towards optimistic or approximate solutions. Remarkably, hierarchical methods iteratively decompose the planning problem into smaller and much simpler ones. In a vast majority of problems, the planner must deal with constraints, such as multiple predefined phases or protocols. Such constraints generally help solving the planning problem, because they prune lots of search paths where these constraints do not hold. In this thesis, we assume that these constraints are known and given to the planner. We thus propose a new method to model and solve a deterministic planning problem, based on a hierarchical and heuristic approach and taking advantage of these constraints. We inspired ourselves from structured programming formalisms in order to offer a more intuitive modeling framework in the domain of hierarchical planning to the user. We also proposed a planning algorithm able to exploit this formalism and build strategies at various levels of granularity, thus allowing to plan quickly a global strategy, while still being able to overcome the difficulties at lower level. This algorithm showed its performances compared with the main HTN planner, SHOP2, on classical planning problems.